ម៉ាស៊ីនគិតលេខសមាមាត្រទំនាក់ទំនង
គណនា Pearson រវាងបញ្ជីពីរនៃលេខ r ។
លទ្ធផលធ្វើឲ្យទាន់សម័យតាមដែលអ្នកវាយ ។
អំពីម៉ាស៊ីនគិតលេខនេះ
Pearson’s correlation coefficient (r) measures the strength and direction of the linear relationship between two variables, ranging from −1 (perfect negative) through 0 (no linear relationship) to +1 (perfect positive). It is found by dividing the covariance of x and y by the product of their standard deviations, which standardises the result into that fixed −1 to +1 range.
Enter paired x and y values in the same order; the two lists must have the same number of values. The calculator returns r, the coefficient of determination r², the covariance, and the least-squares regression line (slope and intercept), plus a plain-English reading of the strength, and plots the data with its best-fit line. It needs at least two pairs, and the result is undefined if either variable never changes.
Worked example: for x = 1, 2, 3, 4, 5 and y = 2, 4, 5, 4, 6 the points trend upward together, giving r ≈ 0.85 — a strong positive correlation — and r² ≈ 0.73, meaning about 73% of the variation in y is explained by a straight-line relationship with x. Correlation is used in finance, science and social research to spot which variables move together.
សំណួរដែលសួរញឹកញាប់
តើសមាមាត្រទំនាក់ទំនងប្រាប់ខ្ញុំពីអ្វីខ្លះ ?
វាកំណត់ចំនួនអថេរពីរដែលផ្លាស់ទីជាមួយគ្នាក្នុងបន្ទាត់ត្រង់ ។ តម្លៃនៅជិត +1 ឬ - 1 បង្ហាញពីទំនាក់ទំនងលីនេអ៊ែរខ្លាំង ខណៈពេលតម្លៃនៅជិត ០ មានន័យថាមានទំនាក់ទំនងលីនេអ៊ែរតិចតួច ឬគ្មាន ។ សញ្ញាបង្ហាញទិសនៃទំនាក់ទំនង ។
តើការទាក់ទងមានន័យថាហេតុអ្វីបានជា?
ទេ ។ ភាពទាក់ទងខ្ពស់បង្ហាញអថេរពីរផ្លាស់ទីជាមួយគ្នា ប៉ុន្តែមិនដែលបណ្តាលឲ្យមួយទៀត ។ កត្តាទីបីដែលលាក់ ឬការស្រមៃសុទ្ធអាចបង្កើតភាពទាក់ទងខ្លាំងដោយគ្មានតំណបង្កហេតុ ។
តើអ្វីជា R² ?
R² គឺជាការផ្លាស់ប្តូរការផ្លាស់ប្តូរនៅក្នុង y ដែលបានពន្យល់ដោយទំនាក់ទំនងលីនេអ៊ែរជាមួយ x - r នៃ 0.8 ផ្តល់នូវ R² នៃ 0.64 មានន័យថា 64% នៃភាពខុសគ្នាត្រូវបានគណនាសម្រាប់។
តើអ្វីដែលរាប់ថាជាភាពទាក់ទងខ្លាំង?
ជាមគ្គុទេសក៍ក្រាស់, មួយ r ពេញលេញនៅក្រោម 0.3 គឺខ្សោយ, ជុំវិញ 0.3 ទៅ 0.5 មធ្យម, 0.5 ទៅ 0.7 មធ្យមទៅខ្លាំងនិងខាងលើ 0.7 ខ្លាំង. ម៉ាស៊ីនគិតលេខនេះដាក់ស្លាកកម្លាំងសម្រាប់អ្នក, ប៉ុន្តែការកាត់សមហេតុផលប្រែប្រួលដោយវាល.
តើការទាក់ទងអវិជ្ជមានមានន័យថាអ្វី ?
r អវិជ្ជមានមានន័យថាអថេរផ្លាស់ទីក្នុងទិសដៅផ្ទុយគ្នា ៖ ខណៈពេលដែលមួយកើនឡើងមួយទៀតមានទំនោរធ្លាក់ចុះ ។ r នៃ -0.9គឺដូចជាទំនាក់ទំនងលីនេអ៊ែរខ្លាំងដូច +0.9, ត្រឡប់តែក្នុងទិសដៅ ។
តើអ្វីជាភាពខុសគ្នារវាងការទាក់ទង និងការប្រែប្រួល?
Covariance វាស់ថាតើអថេរពីរផ្លាស់ប្តូរជាមួយគ្នាប៉ុន្តែទំហំរបស់វាអាស្រ័យលើឯកតារបស់ពួកគេ, ដូច្នេះវាជាការពិបាកក្នុងការបកស្រាយ. r Pearson នេះគឺជា covariance ចែកដោយការផ្លាស់ប្តូរស្តង់ដារពីរ, ដែល rescales វាទៅឯកតាឥតគិតថ្លៃ -1 ទៅជួរ +1.
តើបន្ទាត់ថយក្រោយទាក់ទងទៅនឹងភាពទាក់ទងយ៉ាងដូចម្តេច ?
បន្ទាត់ត្រឡប់ជាមធ្យមគឺជាបន្ទាត់ត្រង់ដែលសមនឹងចំណុចល្អបំផុត ហើយជ្រុងរបស់វាចែករំលែកសញ្ញារបស់វាជាមួយ r ។ ភាពទាក់ទងប្រាប់អ្នកថាចំណុចកាន់បន្ទាត់នោះយ៉ាងម៉េចយ៉ាងតឹងរឹង ខណៈពេល r² ផ្តល់ភាគហ៊ុននៃការផ្លាស់ប្ដូរបន្ទាត់ដែលពន្យល់ ។
API — ប្រើម៉ាស៊ីនគិតលេខនេះពីកូដ
ទូរស័ព្ទទៅម៉ាស៊ីនគិតលេខនេះជាចំណុចបញ្ចប់ JSON ឥតគិតថ្លៃ - គ្មានគ្រាប់ចុចដែលត្រូវការ ។ ផ្ញើតម្លៃវាលខាងក្រោមជាប៉ារ៉ាម៉ែត្រសំណួរ ឬ JSON ។ អ្វីដែលអ្នករំលងប្រើលំនាំដើមដូចគ្នាដែលទំព័រនេះត្រូវបានបំពេញជាមុនជាមួយប៉ារ៉ាម៉ែត្រមិនស្គាល់គឺ ៤០០ មិនមែនសូន្យស្ងាត់ទេ ។ អានឯកសារ API ពេញលេញ →
ចំណុចបញ្ចប់
GET https://calculator.free/api/v1/correlation-coefficient/curl
curl "https://calculator.free/api/v1/correlation-coefficient/?x=1, 2, 3, 4, 5&y=2, 4, 5, 4, 6"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/correlation-coefficient/?" + new URLSearchParams({
"x": "1, 2, 3, 4, 5",
"y": "2, 4, 5, 4, 6"
}));
const data = await r.json();
console.log(data.results);លទ្ធផលគឺការប៉ាន់ប្រមាណសម្រាប់តែការណែនាំទូទៅប៉ុណ្ណោះ, មិនហិរញ្ញវត្ថុ, វេជ្ជសាស្ត្រឬដំបូន្មានពន្ធ.